技术报告：用于精确部件级动作解析的解耦动作解析网络
计算机视觉与模式识别
2021-11-08 v1
摘要
部件级动作解析旨在对部件状态进行解析以提升视频中的动作识别。尽管视频分类研究取得了显著进展，该领域面临的一个严重问题是忽略了对人类动作的细致理解。我们的动机在于，解析人类动作需要构建专注于特定问题的模型。我们提出了一种简单而有效的方法，称为解耦动作解析（DAP）。具体而言，我们将部件级动作解析分为三个阶段：1）人体检测，采用人体检测器从视频中检测所有人并同时执行实例级动作识别；2）部件解析，提出一种部件解析模型从检测到的人体图像中识别人体部件；3）动作解析，利用多模态动作解析网络基于前序阶段获得的所有检测结果来解析动作类别。应用这三个主要模型后，我们的 DAP 方法在 2021 Kinetics-TPS 挑战赛中取得了 0.605 的全局平均分。
引用
@article{arxiv.2111.03225,
title = {Technical Report: Disentangled Action Parsing Networks for Accurate Part-level Action Parsing},
author = {Xuanhan Wang and Xiaojia Chen and Lianli Gao and Lechao Chen and Jingkuan Song},
journal= {arXiv preprint arXiv:2111.03225},
year = {2021}
}